面向社交网络中多背景的信任评估模型

针对信任由背景敏感性导致的在社交网络中难以有效评估用户间接信任值的问题,提出了一种面向多交互背景的间接信任评估模型(multiple-context trust evaluation,MCTE)。该模型利用相关性概念,通过对各背景下网络结构和用户信任关系的综合分析,建立覆盖在信任网络之上的相关性网络,进而利用交互背景的相关性计算跨背景用户的间接信任值。模型避免了多背景以及疏散网络中间接用户信任路径难以寻求,以及信任衰减对评估的影响,有针对性地为用户组建立相关网络,保证了预测的准确性及合理性。对真实社交网络的实验结果表明,MCTE模型不仅可以计算单一背景下用户的间接信任值,更适用于多交互背景下用户信任值的预测。与已有模型相比,评估准确度有较大的提高。     

面向教育云E-learning服务用户的信任评估

基于用户主观性及其能力客观性分别提出了用户信任云评估模型及其能力信任评估模型,用户信任云模型使用期望、熵和超熵对具有随机性和模糊性的复杂实体进行主观信任评估;而用户能力评估模型在考虑能力对象和交互属性基础上综合评估用户客观能力的信任度.结合这2种模型提出了用户综合信任评估模型,实验结果表明该评估模型能较好地实现教育云计算环境下E-learning服务用户综合信任评估.     

基于用户多维度信任的冷启动推荐模型

在传统协同过滤(collaborative filtering,CF)算法中存在着用户冷启动低效推荐问题,基于社交信息的社会化推荐算法通过引入用户的社交关系来缓解冷用户的数据稀疏问题,具有很好的研究应用前景。但该算法对用户间的信任度量较为片面单一而难以准确地对冷用户做出个性化推荐。针对此缺点,从不同维度量化分析了影响用户信任的因素,理论推导出用户多维度信任度量模型,将该模型计算得到的用户综合信任与传统协同过滤中的用户评分相似度值进行有效线性融合,提出了一种基于用户多维度信任的冷启动推荐模型。通过使用真实数据集Epinions并采用留一法进行实验对比分析。实验结果表明,提出的模型在对冷启动用户的推荐中,其平均绝对误差(mean absolute error,MAE)、覆盖率(rating coverage,RC)和F1值(F-measure)3个评估指标相比其他算法有了明显改善。     

网络安全信任模型的研究

信任模型在分布式安全系统中起着非常重要的作用,普遍情况下模型都是通过量化实体行为和计算实体信任度来评估实体间的信任关系的。信任模型就是解决整个网络中实体如何得到其他实体合理信任值的问题。在获取信任值的基础上,实体间建立一定的信任关系,达到提高网络交易安全性的目的。信任和信任关系在安全系统中有着广泛的应用,文章针对近年来网络信任模型研究中存在的问题总结出了信任模型研究的热点和方向。     

面向移动社交网络的动态信任评估

数百万用户每天在参与移动社交网络互动及相关资源获取,在没有直接联系的2个用户之间建立信任关系,对于提高移动社交网络服务质量和增强用户安全感方面具有重要的作用.在分析移动社交网络体系架构的基础上,设计了一种综合考虑直接信任、推荐信任、信任风险函数、激励机制等多个影响因子的动态信任评估模型,并对信任值计算方法、信任决策和信任更新等进行分析.基于真实社交网络数据集Epinions.com的实验表明,本模型的信任值计算准确可信,且能够有效抵御恶意节点的攻击.     

基于因子图模型的用户可信度评估

为克服传统方法在缺少用户个人信息及发布内容的情况下无法有效地评估用户可信度问题,提出基于评论反馈信息和信任关系的用户可信度因子图模型（UFGM）。该模型将信任关系和评论反馈对用户可信度评估的影响形式化为一个概率模型,并提出半监督分类的学习方法构建模型。在Extended Epinions数据集上验证了模型的有效性,并发现信任关系比评论反馈更易对用户可信度评估产生积极影响。与传统算法相比,UFGM能在缺少用户描述信息及评论信息的情况下将用户可信度评估的准确度提高12%~29%。     

基于云模型的信任评估研究

讨论了信任关系的随机性和模糊性共存以及相互融合问题。分析云模型描述不确定性概念的方法和实现定性语意与定量数值相互转换的算法,提出了基于云理论的信任评估模型—信任云。该模型提出云特征参数表达的信任传递和合并算法,在精确描述信任期望值的同时,通过熵和超熵刻画了信任的不确定性。相对于传统的信任评估策略,该模型获取的信任值包含更多的语意信息,更适合作为信任决策的依据。     

网格任务调度中的信任值计算算法研究

通过对网格环境中实体之间的信任关系进行分析,提出了一种信任值计算模型.该模型能根据用户和资源间已有执行经验计算节点的信任值,实现了网格环境下信任值的分布式计算,有效解决了网格动态性引起的信任值计算开销问题.     

基于时间帧的网上交易动态信用评估模型

针对现有的网上交易信用评估系统对用户行为改变的动态适应能力和对用户弄虚作假的鉴别能力支持不足,提出一个基于时间帧的动态信用评估模型.模型考虑了时间因素对信任评价计算结果的影响,引入评价可信度、近期信任、长期信任和累积负信任4个参数来计算可信度.实际应用表明基于时间帧的动态信用评估模型,可有效减小短时间内虚假交易对最终信任评价结果的不良影响.     

基于域的自主式信任模型的研究

网格环境中的信任问题是当前网格研究的一个热点问题,为了解决网格环境的动态性和不确定性带来的安全问题,本文提出了一种新的信任模型来处理网格环境中实体之间的信任关系,该模型对域内信任关系和域间信任关系分别采取不同的方法进行处理。实验和分析结果表明,与以往的信任模型相比,这种信任模型能更加精确地评估实体之间的信任关系,从而能更加有效地解决网格环境中存在的安全问题。     

Research progress of trust evaluation model

Software systems in distributed environment are changing from a close and relatively static form, whose users are familiar with each other, to an open and highly dynamic mode, which can be visited by public. In such circumstance, trust evaluation model becomes focus of intense research at current time. Trust evaluation model establishes a management framework of trust relationship between entities, involving expression and measurement of trust, comprehensive calculation of direct trust value and recommended trust value, and recognition of malicious entities and recommendations. Based on the analysis of several typical trust evaluation models, the classification of trust evaluation ideas and modes is discussed, the questions existing in current research and the directions of future research are pointed out.     

基于关系的信任的数学定义及评价模型

针对目前组织合作中的信任定义及度量不统一,特别是信任没有精确的数学定义等问题,首先利用经典数学关系和模糊关系分别给出了客观信任和主观信任的数学定义和性质,然后根据经典关系与模糊关系的融合给出了基于客观信任优先的信任的数学定义及其度量的概念模型.借用模糊聚类的思想,构建了信任的评价模型.     

信息网格环境下的综合信任度评价模型

网格环境下的实体动态变化使得在实体的可靠运行与资源合理使用方面存在安全隐患,为了解决在动态网格环境下的安全问题,该文针对网格环境的动态特性,提出了一种评价动态实体信任度的模型。在给出了信任机制的几个主要概念的基础上,利用直接信任度、间接信任度、综合信任度构建了综合信任度评价模型(STDEM),并具体量化了各种信任度的评价参数,为网格系统中节点的可信性提供了一种评价方案。通过仿真实验对STDEM模型的相关参数进行了分析,并将综合信任度评价模型应用到了具体的数据网格系统中,验证了模型的有效性。     

考虑社会网络信任关系的多属性群决策方法

针对社会网络环境下决策者存在信任关系导致的信任风险,以及方案属性间存在关联性的问题,提出了一种考虑社会网络信任关系的多属性群决策(MAGDM)方法;首先根据决策者的社会网络关系进行聚类从而获得若干个子社区,并通过度中心性和特征向量中心性计算出决策者的权重与子社区权重;接着根据信任关系分别确定决策者个人与子社区的信任度,并针对信任度较低的子社区衡量出其信任风险系数与评价风险系数,然后对该子社区进行相应的意见调整;其次针对备选方案的多个属性具有关联性的问题采用Choquet积分算子获取备选方案的综合评价值,并通过得分函数对备选方案进行相应排序以获取最优决策方案;最后将所提决策方法应用于一个算例中,说明方法的可行性。     

一种新的分布式网络环境信任评估模型

针对分布式网络中缺乏权威机构导致网络中的实体缺乏足够的全局信息,使实体的信任度难以评估的问题. 综合考虑具有全局性与客观性的声誉值及具有局部性与主观性的信任值,提出一种新的基于声誉计算规则、信任推荐规则、声誉加权规则及信任计算规则的4规则信任评估模型. 通过模拟实验将该信任模型与抗攻击信任度模型的安全性进行了比较. 仿真实验表明,该信任模型在安全性问题上较已有模型有一定的改进.     

一种改进的DyTrust信任模型

为了提高DyTrust模型信任评价的准确度,解决信任模型的粒度比较粗糙以及节点的个体经验对信任评价带来影响的问题,在DyTrust模型的基础上,通过对节点所提供的服务进行细化和引入经验因子的方法,提出了一种改进的信任评价算法.与DyTrust模型的比较和分析表明,改进后的模型精化了信任算法的粒度,提高了信任评价的准确度,体现了节点的个性化特性,在反馈可信度的算法方面有较大的改善,同时该反馈可信度算法具有较好的可扩展性.     

均衡评估算法对基于区块链的无线传感网节点信任管理优化

提出了一种均衡评估算法,通过在区块链中消除无线传感器网络中的恶意节点来增强信标节点之间的信任关系。首先将传感器节点信息打包生成区块,按照节点编号顺序生成区块链;接着在区块链中对每个信标节点进行基于行为、基于反馈和基于数据的信任值计算,将3个信任值加权得到每个信标节点的均衡信任值,并将均衡信任值广播给基站;最后对均衡信任值排序,把信任值较小的信标节点视为恶意节点,并将其从区块链中剔除。仿真结果显示,均衡评估算法在平均定位误差、检测精度和平均能耗等方面都有了很好的提升,同时保证了信任评估管理过程的安全性和可追溯性。     

网格环境下的域内信任评估模型

基于主观逻辑理论提出了一个网格环境下的域内信任评估模型.模型中信任分为直接信任和推荐信任,采用不同的方法计算信任值.通过引入时间衰减因子和衰减算子,使信任值更客观.融入风险机制,可以更好地关注实体近期的行为.实验结果显示了模型的准确性和健壮性,可以防止大规模应用中的联合欺骗,有效地解决了网格环境中的信任评估问题.     

基于二叉推荐树的可信评估模型

在网络安全领域,可信被定义为一个实体期望另外一个实体执行某个特定动作的可能性大小。为了加强网络的安全性,允许某个结点去评估其他结点的可信性是非常重要的。本文主要讨论的是对可信事件的推荐评估。首先介绍了可信的相关概念和特性;接着,网络被抽象成一个有向图,在该图中,顶点代表实体或用户,边被看成可信关系,这样,评估过程可以看成是在有向图当中寻找最短路径问题,通过对影响推荐信任的因素分析,得到间接信任计算公式,为每个结点建立一个二叉推荐树,用来存储该结点能够推荐的结点以及这些结点推荐信任值,并在每个周期后动态地调整和整理该二叉推荐树;最后,对该模型的有效性进行了分析。